| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-21页 |
| 1.1 研究的背景及意义 | 第10-11页 |
| 1.2 国内外的研究现状 | 第11-19页 |
| 1.2.1 智能轮椅 | 第11-14页 |
| 1.2.2 智能空间 | 第14-15页 |
| 1.2.3 路径规划技术 | 第15-19页 |
| 1.3 本文的主要研究内容和组织机构 | 第19-21页 |
| 第二章 智能空间中智能轮椅的功能需求分析及其设计 | 第21-35页 |
| 2.1 智能轮椅的产品需求分析 | 第21-22页 |
| 2.2 智能轮椅总体结构分析与设计 | 第22-28页 |
| 2.2.1 机械结构本体设计 | 第23-28页 |
| 2.3 智能轮椅运动控制模式 | 第28-30页 |
| 2.4 智能空间的应用设计 | 第30-34页 |
| 2.4.1 新型人工标签的设计 | 第32-33页 |
| 2.4.2 智能空间中的顶棚摄像机 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 智能轮椅静态路径规划的实现 | 第35-59页 |
| 3.1 工作环境地图的建模 | 第35-39页 |
| 3.1.1 障碍物的分析及建模 | 第35-37页 |
| 3.1.2 工作环境信息的表示 | 第37-38页 |
| 3.1.3 自由空间法构建环境地图 | 第38-39页 |
| 3.2 智能轮椅规划的性能指标 | 第39-40页 |
| 3.3 Dijkstra算法求初始最短路径 | 第40-41页 |
| 3.4 粒子群优化算法（PSO） | 第41-44页 |
| 3.4.1 粒子群算法（PSO）的基本原理 | 第41-42页 |
| 3.4.2 适应度函数的设计 | 第42-43页 |
| 3.4.3 路径规划的具体实现 | 第43-44页 |
| 3.5 仿真实验及结果分析 | 第44-50页 |
| 3.5.1 PSO的相关参数对路径规划结果的影响 | 第44-47页 |
| 3.5.2 环境变化的适应性 | 第47-49页 |
| 3.5.3 智能轮椅运行的舒适性分析 | 第49-50页 |
| 3.6 其他智能算法 | 第50-55页 |
| 3.6.1 蚁群算法（ACO）优化 | 第50-53页 |
| 3.6.2 遗传算法（GA）优化 | 第53-55页 |
| 3.7 智能算法（PSO, ACO ,GA）的对比分析 | 第55-58页 |
| 3.8 本章小结 | 第58-59页 |
| 第四章 智能轮椅基于动态环境中的路径规划 | 第59-71页 |
| 4.1 问题的描述与建模 | 第59-62页 |
| 4.1.1 环境及障碍物的描述 | 第59-60页 |
| 4.1.2 动态环境地图的建模 | 第60-62页 |
| 4.2 动态障碍物轨迹的预测 | 第62-63页 |
| 4.3 碰撞可能性分析 | 第63-64页 |
| 4.4 动态路径搜索策略 | 第64-65页 |
| 4.4.1 跟踪静态路径 | 第65页 |
| 4.4.2 导向目标 | 第65页 |
| 4.5 改进的PSO算法 | 第65-68页 |
| 4.5.1 动态环境中可行路径的产生 | 第65-66页 |
| 4.5.2 适应度函数的设计 | 第66-67页 |
| 4.5.3 改进PSO算法的实现 | 第67-68页 |
| 4.6 仿真实验及结果分析 | 第68-70页 |
| 4.7 本章小结 | 第70-71页 |
| 第五章 结论 | 第71-73页 |
| 5.1 本文的主要贡献 | 第71-72页 |
| 5.2 工作展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间取得的成果 | 第78-79页 |